何が起きたか
arXivは2026-10-14に、実体エージェント向けの反復的自己改善枠組み「AdaRSI: On-Demand Recursive Self-Improvement for Embodied Agents」を公開した。提案は、固定された実行器を前提に周辺の仕組みだけを直すのではなく、失敗の原因が実行器の呼び出し方にあるのか、能力そのものにあるのかを切り分け、必要な部分だけ重みを更新する点にある。RoboCasa365の全50タスクでは、GR00T N1.5を実行器に使い、人手デモなしで未見の複合タスク成功率を4.6%から13.8%へ高めた。
詳細
AdaRSIでは、コード生成エージェントがまず自身のスキルとハーネスを改善し、その後、保存状態から失敗したサブステップを再実行して、なお不安定な部分だけを自己収集したデモンストレーションと、以前のタスクから持ち越した経験を使って微調整する。著者らは、これにより「変更すべきは実行器の重みか、それとも呼び出し側か」という点を状況に応じて判断できるとしている。 比較では、AdaRSIは全サブステップを微調整する方法よりわずかに高い成功率を実現しつつ、GPU時間は28%、自己収集デモは22%にとどまった。ハーネスを使わずに微調整する方法は、より多く学習しても得られる改善が小さいとしている。
Key Facts
| arXivは2026-10-14に「AdaRSI: On-Demand Recursive Self-Improvement for Embodied Agents」を公開した。 | [1] |
| AdaRSIは実体エージェント向けの反復的自己改善枠組みで、失敗の原因が呼び出し方にあるのか能力にあるのかを切り分ける設計である。 | [1] |
| RoboCasa365の全50タスクで、GR00T N1.5を実行器として使い、人手デモなしで評価した。 | [1] |
| 未見の複合タスク成功率は4.6%から13.8%に上昇した。 | [1] |
| 全サブステップを微調整する方法と比べ、GPU時間は28%、自己収集デモは22%だった。 | [1] |
本紙の見方
AdaRSIの新しさは、実体エージェントの自己改善を「全部を学習し直す」方向ではなく、失敗の持続部分だけを特定して更新する点にある。ここで重要なのは、改善の対象がモデル本体だけではなく、再試行のハーネスと重み更新の切り分けにあることである。RoboCasa365の50タスクという評価設定は、この枠組みが単純な単発動作ではなく、長い手順をまたぐ失敗にどう効くかを見せるためのものと読める。 全サブステップ微調整よりGPU時間28%、自己収集デモ22%で済んだという結果は、計算資源とデータ収集の使い方がボトルネックになる領域で意味を持つ。ただし、ここで示されているのはRoboCasa365上の結果であり、別の実機条件や別系列のタスクでも同じ切り分けが有効かはまだ分からない。 業界構造への含意は、実体エージェントの改善競争が「より大きなモデル」だけではなく、失敗診断と部分再学習の手順設計に移る可能性である。GR00T N1.5を実行器に使っている点からも、モデル単体の性能より、保存状態からの再試行やハーネス改善を含む運用系が成果を左右する。今後確認すべき論点は、どの種類の失敗が重み更新の対象になったのか、自己収集デモの生成条件、そして50タスク以外での再現性である。
なぜ重要か
実体エージェントの学習でGPU時間28%、自己収集デモ22%で済んだという結果は、限られた計算資源とデータで改善を回す設計が必要な開発者に直接関係する。特に、人手デモなしで未見の複合タスク成功率を4.6%から13.8%へ高めた点は、失敗の切り分けと部分更新がどの条件で有効かを測る材料になる。